Разбор доклада Anthropic «Prompting 101» на реальном кейсе LLM уже давно не только про «сгенерировать текст» или «сделать картинку». Их всё чаще используют в работе — для анализа ресёрча, обработки звонков, генерации артефактов, автоматизаций в n8n и Make. И проблема в том, что «просто написать промпт» почти никогда не работает. В какой-то момент понимаешь, что без этого уже тяжело работать. Приходится разбираться: API, промпты, какие-то flow, как это всё между собой склеить и не развалить по дороге. Я посмотрел доклад Prompting 101 от команды Applied AI в Anthropic и вытащил из него рабочую схему, которую можно применять в работе. Дисклеймер Это не пересказ — это пересборка с комментариями и попытка приземлить всё в реальные задачи. В конце — два рабочих инструмента: готовый Project для Claude.ai и веб-сервис, который собирает промпт по этой методике в браузере. Зачем это читать продакту, дизайнеру, аналитику Если вы собираете промпты для рабочих задач (ресёрч, звонки, тексты, классификация); используете Claude не как чат, а для сложных задач; настраиваете LLM-узлы в n8n или Make; обучаете команду и нужна понятная структура без шаманства — этот разбор для вас. Я не пересказываю видео, а вытаскиваю из него рабочую схему. Главная мысль Главная мысль из доклада очень простая: нормального промпта с первого раза не бывает. Цикл всегда один и тот же:
запустил → посмотрел, где плывёт → добавил → повторил
В докладе это показано на реальном кейсе — пять итераций, каждая закрывает конкретную дыру предыдущей. Я в какой-то момент понял, что почти всегда делаю наоборот: сначала пытаюсь «угадать идеальный промпт», а не пройти этот цикл. И ещё одна мысль, которая хорошо ложится в практику: Claude любит структуру. Это не про «красиво оформить», а про то, как ты сам думаешь о задаче. Когда промпт разбит на блоки — сразу видно, чего не хватает. Кейс из доклада Шведская страховая. На вход приходят два документа:
Бланк заявления о ДТП — 17 пунктов, две колонки (A и B), заполняется галочками, кружками, крестиками.
Рисованная схема ДТП — обычный человеческий набросок «вот эта ехала туда, эта сюда».
Нужно понять, что произошло, и определить виновника. Важно: это один вызов API, никакого диалога. На выходе — структурированные данные для базы и человека-агента. Первая итерация — голый промпт
Изучи бланк и определи, что произошло и кто виноват
Ответ Claude: «Это лыжная авария на улице Чаппанган» (хотя в задаче вообще нет ни слова про лыжи). Без контекста модель не «ошибается» — она просто гадает. И делает это уверенно.
Урок №1. Без контекста модель всё равно что-то придумает и не скажет, что не понимает.
Структура хорошего промпта: 10 блоков Anthropic в этом докладе даёт структуру системного промпта:
#
Блок
Что туда кладём
1
Контекст
роль, цель, сценарий
2
Тон
как отвечать, что делать при неопределённости
3
Фон
стабильная информация о данных
4
Инструкции
порядок действий
5
Примеры
корнер-кейсы
6
История
если есть диалог
7
Задача
что нужно сейчас
8
Рассуждение
если задача сложная
9
Формат
JSON / XML
10
Prefill
начало ответа
На практике 80% задач закрываются блоками 1–4 и 9. Вторая итерация — контекст и тон Добавили роль (ассистент страхового агента), описание входных данных и правило: делать выводы только при уверенности. Результат: Claude понял, что это ДТП, но не стал придумывать виновника. И это правильно.
Урок №2. Лучше «не знаю», чем уверенная выдумка. Разрешите модели не знать.
Третья итерация — фоновые сведения В системный промпт добавили описание бланка: структуру 17 пунктов, как отмечаются клетки, что они означают. Почему это важно: эта информация не меняется от запроса к запросу, её можно кешировать, и модель не тратит время на разбор структуры каждый раз. Результат: быстрее и точнее. Claude уверенно определяет виновника.
Урок №3. Системный промпт — всё постоянное. Пользовательский — только данные.
Четвёртая итерация — порядок шагов Ключевая идея: не просто «разберись», а в каком порядке разбираться. Сначала бланк, потом схема. Если начать со схемы — это просто набор линий, контекста нет. Это работает не только здесь:
UX-ресёрч: сначала категории, потом паттерны.
Логи: сначала фильтр, потом анализ.
Дизайн: сначала цель пользователя, потом экран.
Прописывайте порядок шагов явно. Это, пожалуй, самый сильный рычаг качества — здесь ответ меняется не на проценты, а кратно. Пятая итерация — формат вывода Добавили требования: краткость, опираться только на данные, если неясно — прямо сказать, итоговый вывод обернуть в . Зачем: дальше это читает не человек, а система. Продвинутые техники Few-shot примеры — недооценённый рычаг
[сложный кейс] [правильный ответ]
Как это работает: в продакшене ловите корнер-кейсы, где модель ошибается, размечаете правильный ответ, добавляете пример в системный промпт. В следующий раз модель опирается на него. По сути, вы обучаете её на своих же кейсах. Prefill — вкладываем слова в уста Можно задать начало ответа:
Assistant:
И получить сразу нужный формат. Полезно, когда нужен JSON или строгая структура без лишнего текста. Extended Thinking Если у вас есть доступ к промежуточным рассуждениям модели — это очень полезно. Смотрите, как она «думает», где ошибается, и переносите это в инструкции. Так системный промпт становится точнее. Чек-лист: собираем промпт
Контекст: роль, сценарий, язык
Тон: как отвечать, что делать при неопределённости
Фон: структура данных, домен
Разделители: XML-теги
Порядок шагов
Защита от галлюцинаций
Финальный повтор правил
Формат вывода
Примеры (если есть корнер-кейсы)
Prompt caching
Практический бонус 1: веб-сервис Чтобы методика не осталась теорией — собрал веб-сервис, который проводит по ней за руку: exp.inforobot.space/prompt-architect/ru/ Открываешь, видишь 10 блоков по группам (Основа / Действие / Усиление / Вывод). Заполняешь по одному — справа в реальном времени собирается готовый промпт. К каждому блоку — подсказка зачем он и пример. Когда готово, нажимаешь «Копировать» и используешь промпт где угодно: в Claude.ai, в API, в n8n-флоу, в чём угодно. Что внутри:
Не требует аккаунта, регистрации, ничего.
Сам объясняет методику пока ты заполняешь — встроенный учебник, а не просто форма.
Состояние сохраняется в браузере — если закроешь вкладку и вернёшься, все поля на месте.
Работает на десктопе и мобильном.
Это, по сути, материализованная версия чек-листа выше. Бесплатно, без рекламы, без логирования. Если найдёте баги или неудобства — пишите, поправлю. Английская версия для коллег и партнёров ) Если работаешь много с Claude.ai и хочешь иметь конструктор прямо там — есть второй вариант ниже. Практический бонус 2: Project в Claude.ai Идея простая: не вспоминать каждый раз структуру, а использовать «конструктор». Создаёте Project в Claude.ai → вставляете системный промпт ниже → описываете задачу. Дальше он задаёт уточняющие вопросы, собирает промпт по структуре и подсказывает, что протестировать. Как создать Project
Открываете claude.ai → Projects → Create project.
Называете, например, «Prompt Architect».
В поле Custom instructions вставляете системный промпт ниже.
Запускаете чат внутри проекта и описываете свою задачу.
Системный промпт
Ты — Prompt Architect, ассистент по сборке промптов для Claude по методике Anthropic «Prompting 101». # Твоя роль Ты помогаешь не-разработчикам (продактам, дизайнерам, аналитикам, UX-ресёрчерам) собирать качественные системные промпты для их рабочих автоматизаций. Ты не пишешь код — ты пишешь промпты. # Твой метод работы При получении запроса на сборку промпта ты действуешь по строгому порядку: 1. **Сначала задаёшь уточняющие вопросы** — не более 3-5 ключевых, чтобы не утомлять. Минимум, что нужно понять: - Какую задачу решает пользователь? (предметная область, цель) - Какой формат входных данных? (текст, изображение, форма, транскрипт) - Какой формат выходных данных нужен? (свободный текст, JSON, теги, краткое резюме) - Где это будет запускаться? (консоль Anthropic, API в n8n/Make, чат в Claude.ai) - Есть ли краевые случаи, которые уже встречались? 2. **Не пропускай вопросы**, если ответы критичны для качества промпта. Лучше задать один лишний вопрос, чем выдать промпт-болванку. 3. **После ответов собираешь промпт** по структуре 10 блоков: 1. Контекст задачи (роль Claude, сценарий, цель) 2. Тон и стиль 3. Фоновые сведения (стабильная справка о формате данных, домене) 4. Подробные инструкции (пошаговый план в правильном порядке) 5. Примеры few-shot (если применимо) 6. История диалога (если применимо) 7. Текущая задача (повтор главного) 8. Пошаговое рассуждение (если задача сложная) 9. Формат вывода (XML-теги, JSON, конкретные поля) 10. Prefill (если нужно) 4. **Используй XML-теги для разделения блоков** — Claude обучен на этом формате и явно понимает структуру. 5. **Прописывай порядок шагов как у человека.** Это самый мощный рычаг качества. Если задача предполагает несколько источников данных — определи, в каком порядке их анализировать, и обоснуй порядок. 6. **Зашивай защиту от галлюцинаций по умолчанию:** - «Делай выводы только при полной уверенности». - «При фактических утверждениях ссылайся на источник». - «Если данных недостаточно — прямо скажи об этом». 7. **После сборки промпта обязательно делай две вещи:** - Объясняй, какие блоки и почему ты включил (или не включил). - Предлагай, что стоит протестировать в первой итерации и какие краевые случаи могут проявиться. # Чего ты НЕ делаешь - Не пишешь промпт сразу, без уточнений, если задача нетривиальная. - Не используешь общие шаблоны без адаптации под конкретный домен. - Не забываешь про prompt caching — всегда подсказываешь, что постоянное надо выносить в системный промпт. - Не пишешь промпт «всё в одном абзаце» — всегда структурируешь по блокам с XML-разметкой. # Формат твоего вывода Когда промпт готов, оборачивай его в тег ..., чтобы пользователь мог легко скопировать. После тега — короткое объяснение решений и предложения по тестированию. Начни первую сессию с приветствия и вопроса: «Какую задачу нужно автоматизировать с Claude?»
Как использовать В первой сессии описываете задачу: например, «хочу анализировать транскрипты пользовательских интервью и вытаскивать инсайты по категориям». Project задаёт уточняющие вопросы, на выходе получаете готовый системный промпт со структурой и пояснениями. Запускаете в консоли Anthropic, тестируете, возвращаетесь в Project с обратной связью: «на таких-то кейсах модель плывёт» — Project помогает добавить few-shot примеры или подкрутить инструкции. И главное Промптинг — это не какая-то отдельная «магия для избранных», а просто новый рабочий инструмент. Если в этом не разбираться — довольно быстро окажешься в ситуации, где ту же работу уже делают быстрее и дешевле. Ссылки
Оригинальный доклад «Prompting 101» — Anthropic:
Доклад «Prompting for Agents» — следующий уровень:
-Пишу про практики работы с AI в Telegram-канале «Я и мой друг робот» — про мульти-агентные системы, визуализацию данных и реальные автоматизации:https://t.me/mewithrobot-Источник
